青海羚网

人工智能大模型引领的技术革命，深刻影响着高校教育模式，对新闻传播学人才培养的传统逻辑提出了严峻挑战。面对智能传播背景下新闻传播从采集、编辑到分发各个环节生产链条的改变，新闻传播学必须主动拥抱技术变革，优化人才培养模式，以适应新的新闻传播生态。因此，高校新闻传播学需要探究专业能力培养与数智教育之间的平衡点，从而推动人才供给侧与需求侧的有效对接，从服务国家战略的高度出发，促进新闻传播人才教育模式变革。

秉持学生本位观念，推送差异化学习资料

“学生本位”教育观，是高校新闻传播学教育创新发展的基本原则。而在人工智能背景下，秉持学生主体观念的重要一环便是借助智能算法推荐自适应学习资料，系统性地对学生的学习行为、知识掌握程度、兴趣偏好等多维度数据进行深度分析。

具体而言，可以将人工智能技术植入高校学习系统，通过追踪学生在新闻案例分析、传播学理论学习等不同课程模块中的答题情况、学习时长等数据，精准把握每个学生的优势与薄弱环节。对于擅长新闻采写但在传播学理论理解上存在困难的学生，系统可自动推送更多关于传播学经典理论解读、案例剖析的学习资料，助力其补足短板；针对对新媒体传播表现出浓厚兴趣的学生，则为其推送新媒体前沿技术应用、传播策略等相关资料，满足其个性化需求。

此外，借助智能算法还能实现自适应学习资料的动态调整。随着学生学习进程的推进，其知识储备和能力水平不断变化，人工智能可以借助学习管理系统、在线学习平台等，搭建起全面的数据采集体系，持续收集学生多维度数据，除答题正确率、学习时长外，还涵盖资料阅读停留时间、反复查阅知识点、讨论区发言等，全面洞察学生学习状态与需求变化。这种以学生为中心的自适应学习资料推送模式，能够使学生在学习过程中更具主动性，更加充分发挥自身潜力，提升学习效果。

精准勾勒学生轮廓，构建同步性评价机制

人工智能借助数据挖掘技术，能够从多源信息中精准勾勒学生轮廓，充当私人学习助手角色。以虚拟仿真教学平台为例，智能系统可记录学生在模拟新闻报道场景中的操作细节，如选择新闻素材的侧重点、对新闻事件的分析逻辑以及在团队协作中的角色定位与沟通风格，得到每位学生在新闻报道情境下的个人画像。同时，通过分析学生在智能图书馆借阅新闻传播学相关书籍的频率、种类，还有在学术数据库中查阅文献的偏好，能够深入了解其知识探索的广度与深度，从而进一步完善学生轮廓。

基于此，打造同步性学习反馈机制能够得以高效实现。在新闻传播学在线实践课程中，当学生参与新闻视频制作项目时，人工智能系统能实时监测其视频剪辑节奏、画面构图、解说配音等操作数据，一旦发现学生在作品制作中存在某种问题，系统将贴心地推送相关优秀案例片段，并附上技巧讲解与操作评价。同时，如果学生对课程任务感到无从下手，人工智能还能针对性提出学习建议，如怎样拆解复杂任务、怎样从不同理论视角深化观点阐述等，并将学生的感受量化为任务难度指数反馈给教师。这种即时评价机制，不仅有助于学生在学习进程中校准方向、逐步提升专业素养，还能为教师调整优化教学方法与内容注入源源不断的创新活力。

借助智能交互技术，营造沉浸式学习场景

智能交互技术作为人工智能领域中的关键技术，正成为提升教学质量与学生学习体验的关键驱动力。在新闻采写课堂上，VR技术可让学生仿佛置身于新闻事件的第一现场，无论是模拟重大会议还是突发事件，学生都能“亲历”其中，与虚拟角色互动，深入观察现场，锻炼学生的新闻感知与采访能力。

在传播学理论教学中，AR技术能够以生动具象的呈现优势，将抽象的理论知识转化为直观易懂的内容。学生只需通过手机或AR设备扫描教材，就能观看动态的传播模型演示，直观地获知各要素间的互动关系。这使原本晦涩的理论变得生动有趣、易于理解与记忆，在提高学生学习效率的同时，也可激起他们对理论知识的探索兴趣。

同时，智能语音交互技术也在新闻传播学教育中发挥着重要作用。譬如，在新闻播报练习中，学生可以利用智能语音设备进行播报训练，设备通过实时识别语音并提供反馈，可帮助学生纠正发音、语调及语速等问题；通过与虚拟资深主播的对话模拟，学生仿佛置身真实的新闻播报环境之中，能够反复训练语言表达技巧，并提高应对突发状况的能力。

〔作者：王新蕾，单位：安徽开放大学文法与教育学院〕

编辑：刘海钧；